La aplicación de modelos de machine learning basados en la perspectiva de los datos
El profesor del Centro de Investigación Operativa de la UMH Alejandro Rabasa, miembro del grupo de investigación de Ingeniería del conocimiento y análisis de datos, considera importante señalar la diferencia entre la Inteligencia Artificial (IA) y la ciencia de datos. Según explica, mientras la IA puede ser vista como el conjunto de técnicas que consiguen que un ordenador resuelva problemas de manera similar a como lo haría un humano, la ciencia de datos, a caballo entre la estadística y la informática, modela y define formalmente los principios y técnicas de cualquier proceso relativo al manejo de datos (no necesariamente Big), en cualquiera de sus fases.
Según señala Rabasa, uno de los ámbitos más importantes dentro de la IA es el que aborda problemas de aprendizaje o por su denominación en inglés machine learning: “La actividad de nuestro grupo de investigación se ubica precisamente en la intersección entre la Ciencia de Datos y la Inteligencia Artificial, es decir, en la aplicación de modelos de machine learning absolutamente basados en la perspectiva de los datos.
Gran parte de la actividad del grupo se dedica a la transferencia de resultados a la sociedad, tanto a organismos públicos como a empresas privadas; y a sectores tan diferentes como la medicina, el turismo o la industria. Uno de los casos más interesantes es el convenio que el grupo de investigación mantuvo durante tres años con Turisme Comunitat Valenciana para analizar y extraer patrones de comportamiento de gasto de los turistas extranjeros que visitaban la Comunidad Valenciana. El interés de la Administración era utilizar la información recabada en encuestas a miles de turistas, para poder conocer y anticipar sus preferencias de gasto en ocio, transporte, cultura, gastronomía y alojamiento, en función del motivo y la tipología de sus viajes, con el objetivo de diseñar una oferta más dirigida y eficiente en las ferias y medios internacionales.
Recientemente, el grupo acaba de firmar un contrato donde Cruz Roja ha encargado un estudio a la UMH en el que se pueda segmentar a los usuarios en diferentes tipos de vulnerabilidad. El objetivo que se persigue es que puedan ser derivados a programas personalizados de acompañamiento realmente acordes a su situación y aprovechar así al máximo los recursos de los que dispone la institución.
“Dentro de muy poco tiempo, la IA puede ser capaz de ayudarnos en la toma de decisiones a nivel particular pero confeccionadas no sólo a partir de nuestros propios datos, sino a partir de experiencias previas de usuarios “similares” a nosotros, que han pasado ya por esa situación”. Según explica el investigador, en el ámbito de los navegadores y de visitas turísticas ya hay experiencias en este sentido, “pero todavía hay mucho por hacer para que respondan adecuadamente en escenarios con mucha incertidumbre, en tiempo real y para todo tipo de usuario”, apunta.
Según cálculos del investigador, en unos diez años, los sistemas de pronóstico temprano del ámbito médico serán capaces de señalar con gran precisión posibles diagnósticos que actualmente siguen enmascarados por unas patologías muy poco frecuentes o que afectan a porciones ínfimas de la población. Rabasa explica que, gracias al abaratamiento de la tecnología, será absolutamente normal la monitorización continua con sistemas de alerta a todo tipo de enfermos crónicos y personas mayores.
“En menos de una década asistiremos al desenlace de una auténtica batalla (que ya ha empezado) entre la privacidad de nuestra información y soluciones tecnológicas cada vez más ad-hoc, pero también más invasivas de nuestra intimidad”, pronostica el profesor y sentencia que el resultado de esta batalla, que pertenece al terreno de la ética y la legalidad y no tanto al terreno tecnológico, marcará por dónde podrán ir los siguientes pasos.
“En cualquier caso, y para poder hacer frente a estos cambios, los científicos de Datos de hoy estamos obligados a afrontar tres retos fundamentales”, expone y pasa a enumerar: primero, el Data Stream, que hace referencia a los modelos capaces de gestionar flujos continuos de datos; en segundo lugar, los algoritmos predictivos, que han de ser mucho más rápidos y precisos; y, en tercer lugar, los sistemas de apoyo a la decisión (que integren nuestros modelos predictivos). Conscientes de la importancia decisiva de estos retos, desde el grupo de investigación al que pertenece el profesor cuentan con dos tesis doctorales en curso sobre estas líneas de trabajo.
